Pandas - 提取多个稀疏打包的响应是/否标识符，同时保留行信息

Question

我有一些来自 Google Sheets 的数据，其中有一个多答案问题，如下所示：

   Q1  Q2  ... Multi-Response
0  ... ... ... "A; B" 
1  ... ... ... "B; C"
2  ... ... ... "D; F"
3  ... ... ... "A; B; F"

（请注意空格，分隔符是

'; '

，这是出于奇怪的解决方法原因，调查作者编写问题的方式以及 Google 表格选择输出响应表的方式）

我正在尝试扩展它，这样我就可以对其进行一些 k 模式聚类：

   Q1  Q2  ... A  B  C  D  F
0  ... ... ... 1  1  0  0  0
1  ... ... ... 0  1  1  0  0
2  ... ... ... 0  0  0  1  1
3  ... ... ... 1  1  0  0  1

这个想法或多或少地将每个响应列表映射到一系列“你同意吗？是/否”问题。

但我不太清楚如何将数据帧转换为该格式。我尝试使用

pivot_table

和

get_dummies

，但如果它可以做到这一点，我不清楚它到底是如何工作的。

我可以通过

获取回复表

multi_selection_question = data.keys()[-1]
expanded = data[multi_selection_question].str.split('; ', expand=True)

产生类似的东西

  0 1 2
0 A B None
1 B C None
2 D F None
3 A B F 

以及一个问题列表，这些问题将是正确的列名称：

questions = pandas.Series(expanded.values.flatten()).unique()

但是我看到的

pivot_table

或

get_dummies

的示例似乎需要不同格式的数据，并且列结构比输出的更一致。例如，使用

get_dummies

为每个

(column,question)

对创建一个单独的类别，因此对于上面的示例表 -

2_F

、

3_F

、

1_B

、

2_B

等

当然，我可以求助于几个循环并逐行构建一个新的数据框并

concat

它，但是通常pandas中有更好的方法。

Answer 1

您可以尝试以下方法：

import pandas as pd

# sample data
data = pd.DataFrame({'Question': ["A; B", "B; C", "A; D", "A; C", "B; D"]})
print(data)

它给出：

Question
0     A; B
1     B; C
2     A; D
3     A; C
4     B; D

然后：

df1 = (data["Question"]
   .str.split('; ', expand=True)
   .stack()
   .droplevel(1)
   )
df2 = pd.crosstab(index=df1.index, columns=df1)
df2.index.name = None
df2.columns.name = None
print(df2)

结果：

   A  B  C  D
0  1  1  0  0
1  0  1  1  0
2  1  0  0  1
3  1  0  1  0
4  0  1  0  1